-
公开(公告)号：CN112633061B
公开(公告)日：2023-03-24
申请号：CN202011292139.X
申请日：2020-11-18
申请人： 淮阴工学院
摘要： 本发明公开了一种轻量级的FIRE‑DET火焰检测方法及系统，首先构建包含复杂环境下的数据集；其次，构建单步检测模型FIRE‑DET，模型中Backbone使用由多卷积组合结构层叠的FIRE‑Net网络，并减少卷积通道数；将BiFPN作为模型的特征融合网络，提高多尺度特征融合的效果；增加一种改进的空间注意力机制，对火焰特征进行增强；将提取的特征，输入Class/Box Net层中进行预测和回归；最后，使用数据集对FIRE‑DET模型进行训练，获得用于火焰检测的检测器。本发明的识别率为97.55％，火焰检测速度达到45帧/s，可用于实时火焰检测并预警，且具有较好的鲁棒性与广泛的应用价值。
-
公开(公告)号：CN113342933A
公开(公告)日：2021-09-03
申请号：CN202110600441.5
申请日：2021-05-31
申请人： 淮阴工学院
摘要： 本发明涉及一种类双塔模型的多特征交互网络招聘文本分类方法，将招聘样本文本进行预处理，并处理成具有映射关系的稀疏特征文本和稠密特征文本；再通过预训练语言模型和one‑hot编码机制分别对两个特征文本进行序列向量化；随后将输出的两个序列向量分别送入预设第一特征提取模型和第二特征提取模型中进行二次特征提取，同时构建特征交互模型对两路特征提取网络进行多特征交互并输出，最后将三者输出的特征向量融合拼接，并进行注意力加权并降维分类输出；整个设计方案引入两种特征分布不同的招聘文本，并进行区别化处理，然后在网络之间构建了一种多特征交互机制，充分学习数据差异性所带来的特征在多样性上提升，从而提高招聘文本分类精度。
-
公开(公告)号：CN112365741A
公开(公告)日：2021-02-12
申请号：CN202011144901.X
申请日：2020-10-23
申请人： 淮阴工学院
摘要： 本发明公开了一种基于多车道车距检测的安全预警方法及系统，通过获取目标车辆的制动距离，对目标车辆前方多车道道路中当前时刻的视频图像进行车辆标记，并对其进行透视变换获取鸟瞰图，根据鸟瞰图中目标车辆位置和标记车辆位置之间在水平方向和竖直方向上的像素点，结合对应的关系式，获取目标车辆位置和标记车辆位置之间在水平方向和竖直方向上的实际长度，进而获取目标车辆和标记车辆之间的实际距离，通过比对实际距离和目标车辆的制动距离，实现对目标车辆的安全预警；本发明提供的方法考虑了透视变换的特点，进而得到精度高的目标车辆和标记车辆之间的实际距离，在此基础上进行分析判断，使安全预警方法简单且准确度高。
-
公开(公告)号：CN109829403A
公开(公告)日：2019-05-31
申请号：CN201910057691.1
申请日：2019-01-22
申请人： 淮阴工学院
摘要： 本发明提供了一种基于深度学习的车辆防碰撞预警方法及系统，本方法通过使用改进后的YOLOv3算法对视频中的车辆进行识别检测，得到车辆在图像中的位置信息；车道线检测技术对视频图像中的车道线进行检测和追踪，得到稳定、准确的车道线；车速检测技术利用图像处理技术计算出当前车辆的行驶速度；根据车速、车道线检测结果和驾驶员的行为特性以及知觉反应特性，在本车前方绘制一块随车速实时变化的安全制动预警区域；碰撞事故预警技术根据车辆在图像中的位置信息，结合实时安全预警区域的计算结果，对公路上可能发生的碰撞事故进行预测。采用本发明可对驾驶员的行车决策提供帮助，保证驾驶员的行车安全并最大限度的降低碰撞的概率。
-
公开(公告)号：CN113052135B
公开(公告)日：2023-03-24
申请号：CN202110435158.1
申请日：2021-04-22
申请人： 淮阴工学院
IPC分类号： G06V20/56 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
摘要： 本发明公开了一种基于深层神经网络Lane‑Ar的车道线检测方法及系统，对拍摄的图像或者视频截取的图像中的车道线标记得到样本,将采集到的样本数据通过深层神经网络Lane‑Ar训练，得到车道线识别模型；Lane‑Ar包括深层神经网络模型Amon与解码网络Con‑det，首先，Amon网络通过下采样，将车道线和背景分离，提取其车道线特征，同时不断压缩图像像素；然后，利用Con‑det模型还原图像像素，进行多尺度融合；最后利用soft‑max分类器对车道线进一步识别。本发明可用于训练和检测视频和图像中的车道线，准确率可以达到98.72％；Lane‑Ar模型对于某些复杂环境，比如城市交通车道线遮挡、车道线残缺、交通标记等情况的图像检测也能有较好的鲁棒性。
-
公开(公告)号：CN113343778B
公开(公告)日：2022-02-11
申请号：CN202110527595.6
申请日：2021-05-14
申请人： 淮阴工学院
摘要： 本发明公开了一种基于LaneSegNet的车道线检测方法及系统。本发明首先对图像进行多边形填充，得到一块ROI区域，然后将ROI区域图像输入到训练好的LaneSegNet网络模型，得到含有车道线的二值图像，再使用DBSCAN算法对车道线像素点坐标进行聚类并进行多项式拟合，将拟合后的车道线显示到原图上。所构建的LaneSegNet网络模型包括编码模块、解码模块、增强感受野模块和增强特征模块的网络架构。本发明通过使用并行空洞卷积模块增大了网络感受野，通过使用增强特征模块去除与当前任务无关的特征信息，并采用了非对称卷积构建特征提取网络，减少网络参数。本发明的准确率达到98.62％，可用于检测高速公路上的车道线，且具有较好的鲁棒性和实时性。
-
公开(公告)号：CN110176139B
公开(公告)日：2021-01-05
申请号：CN201910128612.1
申请日：2019-02-21
申请人： 淮阴工学院
摘要： 本发明公开了一种基于DBSCAN+的道路拥堵识别可视化方法，首先对城市中大量浮动车OBD车载终端上传数据进行预处理及清洗；根据其瞬时速度提取单位时段内行驶缓慢GPS轨迹点数据；设定DBSCAN+算法参数，对提取的数据点通过并行聚类获取行驶缓慢区域初始类簇块；通过对类簇块内各数据点之间分别计算地表距离，找出最远两点并拟合线段；根据实际路网中各路段间拓补关系将拟合线段进行地图匹配纠偏；最终通过分别计算各类簇块内不同车辆单位时间段内行驶距离，并综合计算平均行驶距离判断各类簇块拥堵程度，并以不同颜色表示加以区分可视化。本发明可以适应大规模城市出租车OBD终端GPS轨迹数据，便于实时通过出租车运行情况识别城市道路拥堵，可视化效果好。
-
公开(公告)号：CN109886168B
公开(公告)日：2020-10-16
申请号：CN201910102556.4
申请日：2019-02-01
申请人： 淮阴工学院
摘要： 本发明公开了一种基于层阶的地面交通标志识别方法，首先对视频图像进行分析处理，通过车道线检测对提取出的矩形区域的大小和角度的筛选，对视频图像中的车道线进行检测和追踪，得到稳定、准确的车道线，并截取出所感兴趣的区域；然后，采用自适应二值化技术，定义灰度图像的像素值，将所有的像素点分为n个层级，将最上层和最下层的像素值舍去，得到有效的像素值，对分好的每个层阶像素点聚居区域分别进行目标检测，实现交通标志的识别。本发明具有准确和高效的优点，基于层阶算出的阈值能够突出所需要的车道线部分，有利于地面交通标志的识别。
-
公开(公告)号：CN111310662A
公开(公告)日：2020-06-19
申请号：CN202010095917.X
申请日：2020-02-17
申请人： 淮阴工学院
摘要： 本发明公开了一种基于集成深度网络的火焰检测识别方法及系统，适用于对视频中的火焰实时检测识别。该方法通过公开的火焰视频数据，对U-net和Resnet-50网络进行训练，得到用于检测识别视频帧图像中火焰区域的模型；然后对摄像机获取的视频帧图像使用U-net模型得到火焰候选区域，将火焰候选区域利用邻域分割法得到火焰候选目标；再利用Resnet-50模型对火焰候选目标进一步识别，按照识别置信度进行删除操作得到火焰目标；最后记录并标记火焰目标在原视频帧中的位置。当视频流同一位置持续监测到火焰目标时，发出火焰警报。本发明可用于检测并识别视频中的火焰及其位置，识别率达到91.08％，火焰检测识别速度保持在25-31帧/s，且对灯光和小目标具有较好的鲁棒性。
-
公开(公告)号：CN110176139A
公开(公告)日：2019-08-27
申请号：CN201910128612.1
申请日：2019-02-21
申请人： 淮阴工学院
摘要： 本发明公开了一种基于DBSCAN+的道路拥堵识别可视化方法，首先对城市中大量浮动车OBD车载终端上传数据进行预处理及清洗；根据其瞬时速度提取单位时段内行驶缓慢GPS轨迹点数据；设定DBSCAN+算法参数，对提取的数据点通过并行聚类获取行驶缓慢区域初始类簇块；通过对类簇块内各数据点之间分别计算地表距离，找出最远两点并拟合线段；根据实际路网中各路段间拓补关系将拟合线段进行地图匹配纠偏；最终通过分别计算各类簇块内不同车辆单位时间段内行驶距离，并综合计算平均行驶距离判断各类簇块拥堵程度，并以不同颜色表示加以区分可视化。本发明可以适应大规模城市出租车OBD终端GPS轨迹数据，便于实时通过出租车运行情况识别城市道路拥堵，可视化效果好。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.023 秒)